La inteligencia artificial de curiosidad (IA de curiosidad) es la simulación de la curiosidad humana en inteligencia artificial. La IA de curiosidad también se conoce como curiosidad artificial, curiosidad de IA, algoritmo curioso y curiosidad algorítmica.
La curiosidad es lo que impulsa la mayor parte del aprendizaje autodirigido en los seres humanos. Cuando encontramos una brecha en nuestro conocimiento, nuestro interés puede despertarse, creando un deseo de buscar la información que falta. Emular el comportamiento de un humano curioso en un algoritmo podría mejorar el potencial del aprendizaje automático autodirigido, de modo que un sistema de IA se vea impulsado a buscar o desarrollar soluciones a problemas desconocidos.
IA estrecha frente a IA de curiosidad
La capacidad de emular la curiosidad humana es un componente definitorio de la IA fuerte o de propósito general, que replica más de cerca la inteligencia humana que los sistemas de IA estrechos.
Los sistemas de IA estrechos, también conocidos como IA débil, a menudo son capaces de superar a los humanos en sus tareas particulares. ROSS, un sistema experto al que a veces se hace referencia como abogado de IA, puede hacerse cargo de muchas tareas de un asistente legal humano, muchas de ellas a un nivel mucho más allá de lo que es capaz un humano. ROSS, una IA estrecha, puede extraer datos de aproximadamente mil millones de documentos de texto. ROSS analiza la información para proporcionar respuestas precisas a preguntas complicadas en menos de tres segundos.
Sin embargo, los sistemas de IA estrechos están limitados por el hecho de que requieren instrucciones específicas y carecen de la capacidad humana para desarrollar de forma independiente nuevos enfoques para problemas novedosos, que tienden a detenerlos en seco.
La curiosidad puede ayudar a los sistemas de IA a comportarse más como humanos en situaciones nuevas al incorporar comportamientos asociados con la curiosidad en modelos algorítmicos. Un sistema de inteligencia artificial de curiosidad podría, por ejemplo, priorizar la exploración reforzando el comportamiento que proporcionó nueva información sobre su entorno. Las conductas que apoyan la capacidad de explorar pueden reforzarse y las que impiden o limitan la exploración pueden ser castigadas.
¿Cómo funciona la IA de curiosidad?
El aprendizaje por refuerzo (RL) es el proceso de motivar a la IA para que realice los comportamientos deseados y castigarlos por los no deseados. Busca observaciones y experiencias que proporcionen una recompensa programática, una señal de retroalimentación que informe a la IA de que está dando un paso hacia su objetivo. Es un enfoque de zanahoria y palo para entrenar a la IA con comentarios positivos o negativos.
Actualmente, RL se utiliza en muchas aplicaciones de inteligencia artificial, desde programas de brazos autónomos robóticos que pueden jugar un videojuego mejor que los campeones mundiales humanos. Sin embargo, RL tiene sus limitaciones. Necesita mucha retroalimentación para funcionar correctamente; cuando tiene poca retroalimentación para continuar, tiene dificultades. El objetivo de la IA de la curiosidad es resolver este problema: mantener la IA buscando cuando no hay una señal clara que indique qué hacer.
Una IA de curiosidad funciona bien en situaciones en las que no se le da mucha retroalimentación a la IA sobre su progreso, lo que refleja muchos escenarios del mundo real. En el último estudio de Google sobre la inteligencia artificial de la curiosidad, llamado "Curiosidad y procrastinación en el aprendizaje por refuerzo", los investigadores utilizaron una variación del siguiente ejemplo para explicar la curiosidad.
Una persona camina por el supermercado en busca de salsa de espinacas. A cada paso, la persona pasa por varios pasillos que no muestran indicios de tener salsa de espinacas. Si la persona operara con una lógica de aprendizaje por refuerzo, caminaría en círculos volviendo a observar el mismo conjunto de pasillos, operando puramente desde la memoria y sin llegar a ninguna parte. Introduzca la curiosidad en la forma de pensar de la persona y se verá impulsada a reconocer que está caminando en círculos y elegir arbitrariamente una nueva dirección que podría proporcionar una indicación de dónde finalmente se encontrará la salsa de espinacas. Una persona curiosa, y de manera similar una IA con curiosidad, tiene la capacidad de reconocer ese patrón redundante y encontrar un nuevo círculo para caminar que tendrá diferentes estímulos y quizás una ruta hacia la meta deseada. El aprendizaje por refuerzo funciona puramente con lo que sabe, mientras que una IA de curiosidad busca encontrar entornos que aún no conoce.
Para que la IA experimente cosas nuevas en su entorno, para ser curioso, el algoritmo RL se modifica para que funcione de esta manera:
- El algoritmo agrega observaciones a la memoria.
- El algoritmo calcula una recompensa en función de qué tan lejos está su observación actual de la memoria más similar que tiene.
- El algoritmo obtiene una recompensa mayor por observar cosas que aún no están representadas en la memoria.
Al estructurar el algoritmo de esta manera, puede evitar quedar atrapado en un ciclo de retroalimentación, donde todas las entradas están igualmente relacionadas con el objetivo y el algoritmo no puede diferenciar entre ellas. La IA de la curiosidad obtiene dos tipos de recompensas:
- Observaciones relacionadas con objetivos. Se recompensa cuando puede comparar las observaciones actuales con la memoria y encontrar estímulos relacionados con el objetivo, como un RL clásico.
- Observaciones novedosas. Se recompensa más por encontrar entornos novedosos que aún no existen en la memoria.
Ambas recompensas también se pueden combinar, de modo que la mayor recompensa que puede recibir una IA de curiosidad es cuando observa algo que es completamente nuevo y está relacionado con un objetivo.
¿Por qué es importante la IA de la curiosidad?
Los expertos estiman que la mayoría de todos los datos producidos en 2020 serán generados directamente por máquinas. Con un volumen de datos tan grande, la inteligencia artificial avanzada será necesaria tanto en el lado del procesamiento como en el lado de la generación de datos. La IA de Curiosity idealmente posee la gran capacidad de datos que tiene la IA actual, pero con la capacidad adicional de examinarla y crear patrones relevantes dentro de ella cuando no hay muchos indicadores relacionados con el objetivo para hacerlo. De esta manera, puede retener y ver más datos de los que un ser humano es capaz, al mismo tiempo que puede ver esos datos de una manera más crítica y parecida a la humana.
Aplicaciones de la curiosidad AI
Curiosity AI se utiliza actualmente en varias áreas de automatización empresarial, que incluyen:
- El análisis de datos
- Recursos humanos
- Herramientas de colaboración y productividad
- Herramientas de servicio al cliente
Además, se espera que la IA de curiosidad mejore la automatización industrial en varias áreas, que incluyen:
- gestión de la cadena de suministro
- Optimización de procesos de fábrica y almacén
- Temas de control de calidad
- Detección de fallas
- Mantenimiento predictivo
La IA avanzada actualmente tiene menos uso en el sector industrial que en los negocios, en parte porque el margen de error es mucho menor que en una aplicación comercial típica, y los datos que manejan los dispositivos automatizados en un entorno industrial son mucho más complicados y más difíciles de procesar.
Sin embargo, se espera que la IA de curiosidad mejore la automatización industrial porque es capaz de manejar entradas más complejas con un alto nivel de éxito constante requerido en la industria. Puede manejar la incertidumbre y puede generalizar y explicar datos complejos de una manera que la IA estrecha no puede.
Las máquinas industriales tampoco se diseñan típicamente teniendo en cuenta la usabilidad, por lo que la IA por curiosidad podría permitirles ser más flexibles sin que un humano tenga que involucrarse.
Algunos posibles casos de uso industrial incluyen:
- Gestión de energía y aire acondicionado del centro de datos. Una IA curiosa podría predecir los tiempos óptimos de enfriamiento y mantenimiento y reaccionar a los cambios ambientales. También podría ayudar a reciclar el calor residual y cambiar a recursos renovables en el centro de datos.
- Líneas de fabricación. Una IA de curiosidad realizaría la detección de anomalías y el análisis de la causa raíz para identificar problemas y sugerir posibles soluciones. Esto reduciría las fallas inesperadas y aumentaría la cantidad de tiempo de actividad de la línea de fabricación.
- Procesamiento de datos e informática de punta. Muchos sistemas industriales utilizan dispositivos de Internet de las cosas (IoT) como sensores que recopilan datos complejos de los sentidos físicos, y la IA de curiosidad proporcionaría herramientas de procesamiento flexibles y potentes en esos dispositivos de borde.
Algunos otros casos de uso además de los procesos industriales incluyen:
- Autos sin conductor. Estos vehículos necesitan tomar decisiones de alto nivel para controlar un vehículo y reaccionar ante situaciones impredecibles en la vía pública.
- El trabajo del conocimiento. El trabajo del conocimiento no se puede automatizar mediante una IA estrecha a un nivel satisfactorio en muchos casos, pero la IA de la curiosidad podría crear una intuición artificial que podría cambiar eso.
- Médico. Curiosity AI podría ayudar a los proveedores de atención médica a desarrollar una herramienta automatizada de sugerencias médicas que sea capaz de utilizar su capacidad de resolución de problemas para recomendar soluciones y diagnósticos médicos basados en la forma de vida única de cada paciente y en el conjunto de características específicas de la atención médica. Un proyecto que tiene como objetivo hacer esto es Project Nightingale de Google.
Empresa de inteligencia artificial curiosa
Curious AI es también el nombre de una organización con sede en Helsinki que crea herramientas de inteligencia artificial para el control y la optimización de procesos industriales complejos. Describen uno de sus productos principales, Curious Engine, como una "caja de herramientas para el modelado de redes profundas, el control de sistemas y la optimización basada en modelos".
También invierten en proporcionar "compañeros de trabajo digitales", que pueden considerarse como chatbots pero con habilidades mejoradas para la resolución de problemas. La compañía describe la diferencia entre los dos términos pensamiento sistema 1 y sistema 2, que es otra forma de ver la diferencia entre IA estrecha y curiosidad:
- El pensamiento del Sistema 1 está orientado a procedimientos, procesos y tareas de memoria. En el contexto de un chatbot, un pensador del sistema 1 podría escuchar, responder y pensar en soluciones basadas en las respuestas de las que es capaz o ha trabajado en el pasado.
- El pensamiento del Sistema 2 se centra más en el reconocimiento de patrones y la resolución de problemas de alto nivel: la capacidad de comprender y utilizar situaciones novedosas de manera práctica. En el contexto de un chatbot, un pensador del sistema 2 puede pensar de manera más crítica sobre la forma en que el usuario se comunica y desarrollar su respuesta para que se adapte al nuevo estilo de comunicación de un usuario determinado. También puede utilizar la curiosidad para aventurar nuevos métodos de comunicación.
Sentian.AI es una empresa en el mismo campo: crean soluciones de inteligencia artificial de curiosidad industrial.